摘要：
链接：http://www.cnblogs.com/xingshansi/p/6767980.html 一、核函数基本概念 先来看看核函数的定义： 核函数：是映射关系的内积，映射函数本身仅仅是一种映射关系，并没有增加维度的特性，不过可以利用核函数的特性，构造可以增加维度的核函数，这通常是我们希望的。 阅读全文
posted @ 2025-07-04 23:04
有何m不可
阅读(0)
评论(0)
推荐(0)
摘要：
转自：https://zhuanlan.zhihu.com/p/384497349 关于on-policy和off-policy的定义，网上有很多不同的讨论，比较常见的说法是看behavior policy（行为策略，即与环境进行交互的策略）和target policy（目标策略，即学习准确地评估Q 阅读全文
posted @ 2025-06-26 23:23
有何m不可
阅读(41)
评论(0)
推荐(0)
摘要：
SAC算法简介 转自：https://zhuanlan.zhihu.com/p/385658411 柔性动作-评价（Soft Actor-Critic，SAC）算法的网络结构有5个。SAC算法解决的问题是 离散动作空间和连续动作空间 的强化学习问题，是 off-policy 的强化学习算法（关于on 阅读全文
posted @ 2025-06-26 22:38
有何m不可
阅读(9)
评论(0)
推荐(0)
摘要：
一、所有 Actor-Critic 算法都需要对\(\log\pi_\theta(a|s)\)求导 1. 策略梯度定理的统一形式 所有策略梯度算法的核心公式均基于策略梯度定理： \(\nabla_\theta J(\pi_\theta) \approx \mathbb{E}_{s\sim\rho^\ 阅读全文
posted @ 2025-06-25 15:10
有何m不可
阅读(4)
评论(0)
推荐(0)
摘要：
转自：https://zhuanlan.zhihu.com/p/1916158805592474228 随着大语言模型（LLM）的参数量一路飙升，其巨大的部署成本和推理延迟成为了阻碍其广泛应用的关键瓶颈。如何在保持模型性能的同时，有效减小其体积？模型剪枝（Model Pruning） 正是解决这一问 阅读全文
posted @ 2025-06-24 18:48
有何m不可
阅读(27)
评论(0)
推荐(0)
摘要：
转自:https://zhuanlan.zhihu.com/p/346433931 本文主要介绍和梳理on-policy/off-policy概念，文章中内容的逻辑结构(同每小节标题)如下： 策略需要有探索能力(随机性) 策略如何做到随机探索？ Off-policy方法——将收集数据当做一个单独的任 阅读全文
posted @ 2025-06-22 19:52
有何m不可
阅读(23)
评论(0)
推荐(0)
摘要：
强化学习中的确定性策略与随机性策略是两种核心策略类型，其区别体现在策略表示、决策方式、探索能力、应用场景等多个维度。以下从技术原理和实际应用角度展开详细分析： 一、核心定义与数学表达 1. 确定性策略（Deterministic Policy） 定义：给定状态 s，策略直接输出唯一确定的动作 a，表 阅读全文
posted @ 2025-06-22 17:59
有何m不可
阅读(18)
评论(0)
推荐(0)
摘要：
off-policy 算法能通过 \(Q_\pi(s, a)\) 优化目标策略，关键在于引入重要性采样（Importance Sampling） 或最大化操作： 重要性采样：通过权重修正行为策略与目标策略的差异，如 TD (0) off-policy 算法。 最大化操作：如 Q-learning 直 阅读全文
posted @ 2025-06-22 17:51
有何m不可
阅读(4)
评论(0)
推荐(0)
摘要：
转自：https://zhuanlan.zhihu.com/p/551255387 以DDPG为代表的确定性策略梯度算法只适用于连续动作空间的任务，为了让这些算法能够处理离散动作空间的任务，需要对其进行Gumbel-Softmax处理，这篇笔记将从强化学习的角度出发，对为什么需要以及怎么使用Gumb 阅读全文
posted @ 2025-06-22 16:36
有何m不可
阅读(37)
评论(0)
推荐(0)
摘要：
转自：https://www.yuque.com/chenjiarui-i3tp3/sv7cbq/afns6z 1. 前言 重要性采样(Importance Sampling)其实是强化学习中比较重要的一个概念，但是大部分初学者似乎对这一点不是很懂，甚至没有听过这个概念。其实这是因为目前深度强化学习 阅读全文
posted @ 2025-06-22 16:06
有何m不可
阅读(29)
评论(0)
推荐(0)
浙公网安备 33010602011771号